/ Модель

Характеристики

Лицензия
Apache 2.0
Архитектура
pp_doclayout_v3 · dense
Базовая модель
PP-DocLayoutV3
Библиотека
transformers
Опубликована
20 янв 2026

PP-DocLayoutV3_safetensors

Поиск объектовИзображение → bounding_boxes7 профессий

Модель обнаруживает элементы макета документов, строит многоугольные рамки и определяет порядок чтения, включая документы с искривлёнными поверхностями.

958 тыс.скачиваний за 30 дней51лайквеса обновлены30 сен 2026

Бенчмарки

Как модель справилась с задачами пользователей ailist и что о ней публикуют открытые лидерборды

Публичные оценки

Из открытых лидербордов. Сравнивайте результаты одного теста при одинаковых условиях — отсутствие оценки не значит, что модель хуже.

В подключённых источниках результатов для этой модели пока нет.

Что умеет модель

Описание составлено по карточке модели и метаданным Hugging Face

PaddlePaddle/PP-DocLayoutV3_safetensors — веса PP-DocLayoutV3 в формате safetensors, подготовленные PaddlePaddle для использования с Transformers. Модель предназначена для анализа структуры документов, включая изображения с искривлёнными и неплоскими поверхностями: она обнаруживает элементы макета, предсказывает для них многоугольные рамки и определяет логический порядок чтения за один проход. Модель используется как компонент PaddleOCR-VL 1.5/1.6 и GLM-OCR для разбора документов.

В карточке указана поддержка английского и китайского языков, а лицензия — Apache-2.0. Ограничение области применения: модель ориентирована на анализ макета документов и сама по себе не описана как универсальная система распознавания и понимания текста.

Сценарии применения

  • обнаружение блоков и элементов на странице документа
  • анализ макета сканов и фотографий документов
  • определение порядка чтения в искривлённых документах

Ограничения

Модель специализирована на обнаружении структуры документов; README не заявляет, что она самостоятельно распознаёт текст или выполняет полный разбор содержания документа.

Для каких профессий подходит7

Разделы каталога профессий, в задачах которых используется эта модель

Все профессии

Также подходит для

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

Unified Layout Module for PaddleOCR-VL 1.5/1.6 & GLM-OCR & & Xiaomi-OCR-0.

repo HuggingFace ModelScope HuggingFace ModelScope Discord X License

🔥 Official Website | 📝 Technical Report

Introduction

This is the model weights for PP-DocLayoutv3 in safetensors format. Get PaddlePaddle weights at PP-DocLayoutV3

PP-DocLayoutV3 is specifically engineered to handle non-planar document images. It can directly predict multi-point bounding boxes for layout elements—as opposed to standard two-point boxes—and determine logical reading orders for skewed and curved surfaces within a single forward pass, significantly reducing cascading errors. This model is an essential component of PaddleOCR-VL-1.5, providing crucial layout analysis for the high-precision parsing of various real-world documents in PaddleOCR-VL.

This work has been accepted to ECCV 2026! 🎉

Model Architecture

Model Usage

import requests
from PIL import Image
from transformers import AutoImageProcessor, AutoModelForObjectDetection

model_path = "PaddlePaddle/PP-DocLayoutV3_safetensors"
model = AutoModelForObjectDetection.from_pretrained(model_path)
image_processor = AutoImageProcessor.from_pretrained(model_path)

image = Image.open(requests.get("https://paddle-model-ecology.bj.bcebos.com/paddlex/imgs/demo_image/layout_demo.jpg", stream=True).raw)
inputs = image_processor(images=image, return_tensors="pt")

outputs = model(**inputs)
results = image_processor.post_process_object_detection(outputs, target_sizes=[image.size[::-1]])
for result in results:
    for idx, (score, label_id, box, polygon_points) in enumerate(zip(result["scores"], result["labels"], result["boxes"], result["polygon_points"])):
        score, label = score.item(), label_id.item()
        box = [round(i, 2) for i in box.tolist()]
        print(f"Order {idx + 1}: {model.config.id2label[label]}, score: {score:.2f}, box: {box}, polygon_points: {polygon_points}")

Visualization

Light Variation

Skewing

Screen-photo

Curving

Citation

If you find PP-DocLayoutV3 helpful, feel free to give us a star and citation.

@misc{cui2026rtdoclayoutrealtimeendtoenddocument,
      title={RT-DocLayout: Real-Time End-to-End Document Layout Analysis with Reading Order in the Wild}, 
      author={Cheng Cui and Tingquan Gao and Xueqing Wang and Changda Zhou and Hongen Liu and Ting Sun and Yubo Zhang and Zelun Zhang and Jiaxuan Liu and Manhui Lin and Yue Zhang and Suyin Liang and Yiqing Xiang and Yi Liu},
      year={2026},
      eprint={2606.23344},
      archivePrefix={arXiv},
      primaryClass={cs.CV},
      url={https://arxiv.org/abs/2606.23344}, 
}
}

Как запустить

На своей GPU в ailist. Цена — по текущим предложениям провайдеров

GPU в ailist

Универсальный рантайм · transformers · object-detection

Можно запустить

Подбираем GPU…

Класс архитектуры
PPDocLayoutV3ForObjectDetection
Ревизия весов
e4f489d

0 моделей